Impact of Fuelling Techniques on Neat n-Butanol Combustion and Emissions in a Compression Ignition Engine
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
<div class="section abstract"><div class="htmlview paragraph">This study investigated neat n-butanol combustion, emissions and thermal efficiency characteristics in a compression ignition (CI) engine by using two fuelling techniques - port fuel injection (PFI) and direct injection (DI). Diesel fuel was used in this research for reference. The engine tests were conducted on a single-cylinder four-stroke DI diesel engine with a compression ratio of 18.2 : 1. An n-Butanol PFI system was installed to study the combustion characteristics of Homogeneous Charge Compression Ignition (HCCI). A common-rail fuel injection system was used to conduct the DI tests with n-butanol and diesel. 90 MPa injection pressure was used for the DI tests. The engine was run at 1500 rpm. The intake boost pressure, engine load, exhaust gas recirculation (EGR) ratio, and DI timing were independently controlled to investigate the engine performance.</div><div class="htmlview paragraph">The pressure rise rate of the DI could be lowered easily by retarding the injection timing without using EGR, whereas a very high EGR ratio was required for the PFI to reduce the pressure rise rate to the same level of the DI. Soot and nitrogen oxides (NOx) emissions for both fuelling techniques were at a very low level compared to those of base diesel, but the NOx for DI was slightly higher than that for PFI at 0% EGR. However, by using EGR, NOx was reduced to around 20 ppm, similar to the PFI level. Indicated thermal efficiency of the DI was greater than that of the PFI with the same NOx and cylinder pressure rise rate.</div></div>
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle